複数の画像やテキストの解釈 Norm (artificial intelligence)

「ビジョン・トランスフォーマーの内部機能」

ビジョン・トランスフォーマー（ViTs）の内部動作を視覚化する際、研究者たちはランダムな背景パッチに注目の奇妙なスパイク...